Örüntü Tanıma (COMPE 467) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Örüntü Tanıma COMPE 467 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin Türü Dersin Seviyesi Ders Verilme Şekli Dersin Öğrenme ve Öğretme Teknikleri İngilizce Teknik Seçmeli Dersler Lisans Yüz Yüze Anlatım Dersin Koordinatörü Dersin Öğretmen(ler)i
Dersin Asistanı Dersin Amacı Dersin Eğitim Çıktıları Dersin İçeriği Bu dersin amacı öğrencinin Bayes karar teorisi, doğrusal ayırtaçlar, karar ağaçları, en yakın komşu kümelemesi, yapay sinir ağları gibi temel örüntü tanıma yaklaşımlarına aşina olmasını sağlamaktır. Bu dersi başarıyla tamamlayabilen öğrenciler; Örüntü tanımada yer alan temel sınıflandırma ve kümeleme teknikleri açıklayabilme Sınıflandırma için Bayes karar teorisi kullanabilme Sınıflandırma için Doğrusal ayırtaçları kullanabilme Saklı Markof modellerini kullanabilme Yapay sinir ağlarını kullanabilme Kümeleme yöntemlerini uygulayabilme Bayes karar teorisi. Sınıflandırıcılar, doğrusal ayırtaçlar ve karar verme yüzeyleri. Parametre kestirimi. Saklı Markof modelleri. En yakın komşu kümelemesi. Doğrusal ayırtaçlar. Yapay sinir ağları. Karar ağaçları. Sıradüzensel kümeleme. Öz düzenleyici özellik haritaları. Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları HaftaKonular Ön Hazırlık 1 Temel bilgiler Bölüm 1 (ana kaynak) 2 Bayes karar teorisi Bölüm 2 3 Bayes karar teorisi Bölüm 2 4 Bayes karar teorisi Bölüm 2 5 En büyük olabilirlik ve Bayes parametre kestirimi Bölüm 3
6 En büyük olabilirlik ve Bayes parametre kestirimi Bölüm 3 7 Parametrik olmayan teknikler Bölüm 4 8 Parametrik olmayan teknikler Bölüm 4 9 Doğrusal ayırtaçlar Bölüm 5 10 Doğrusal ayırtaçlar Bölüm 5 11 Çok katmanlı yapay sinir ağları Bölüm 6 12 Metrik olmayan yöntemler Bölüm 8 13 Güdümsüz öğrenme ve kümeleme 14 Güdümsüz öğrenme ve kümeleme 15 Gözden geçirme 16 Gözden geçirme Bölüm 10 Bölüm 10 Kaynaklar Ders Kitabı: Diğer Kaynaklar: 1. R.O. Duda, P.E. Hart, and D.G. Stork, Pattern Classification, New York: John Wiley, 2001, 1. 1. R. Schalkoff, Pattern Recognition: Statistical, Structural and Neural Approaches, Wiley, 1991. 2. 2. S.Theodoridis, K. Koutroumbas, Pattern Recognition, Elsevier, 2003. 3. 3. L. I. Kuncheva, Combining Pattern Classifiers: Methods and Algorithms, Wiley, 2004. Değerlendirme Sistemi
Çalışmalar Sayı Katkı Payı Devam/Katılım 1 5 Laboratuar - - Uygulama - - Alan Çalışması - - Derse Özgü Staj - - Küçük Sınavlar/Stüdyo Kritiği - - Ödevler 3 30 Sunum - - Projeler - - Seminer - - Ara Sınavlar/Ara Juri 2 40 Genel Sınav/Final Juri 1 30 Toplam 7 105 Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 70 30 Toplam 100 Ders Kategorisi
Temel Meslek Dersleri Uzmanlık/Alan Dersleri Destek Dersleri İletişim ve Yönetim Becerileri Dersleri Aktarılabilir Beceri Dersleri Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi # Program Yeterlilikleri / Çıktıları Katkı Düzeyi 1 2 3 4 5 1 Matematik, fen bilimleri ve hesaplama alanlarındaki bilgi birikimini bilgisayar mühendisliği problemlerinin çözümüne uygulama becerisi. 2 Bilgisayar sistemlerine özgü sorunları analiz etme ve modelleme, çözümleri için uygun gereksinimleri belirleme ve tanımlama becerisi. 3 Belirlenen gereksinimleri karşılayacak bir bilgisayar sistemini, sistem parçasını, işlemi veya programı tasarlama, geliştirme ve değerlendirme becerisi. 4 Bilgisayar sistemleri mühendislik uygulamaları için modern teknik ve mühendislik araçlarını kullanma becerisi.
5 Hesaplama ihtiyaçlarını anlamak için deney tasarlama, veri toplama, analiz etme, yorumlama ve doğru seçimler yapabilme becerisi. 6 Disiplin içi ve disiplinler arası takımlarda veya bireysel olarak etkin biçimde çalışabilmek için gerekli organizasyonel ve iş yeteneklerini ortaya koyabilme becerisi. 7 Türkçe ve İngilizce dillerinde etkin iletişim kurabilme becerisi. 8 Yaşam boyu öğrenmenin gerekliliği bilinci ve bilgiye erişebilme, bilim ve teknolojideki son gelişmeleri takip edebilme ve kendini sürekli yenileme becerisi. 9 Bilgisayar Mühendisliği alanında mesleki, hukuksal, etik ve sosyal sorunlar hakkında farkındalık ve sorumluluk bilinci. 10 Proje ve risk yönetim becerisi; girişimciliğin, yenilikçilik ve sürdürülebilir kalkınmanın önemi hakkında farkındalık; uluslararası standartların ve yöntemlerin bilinmesi. 11 Karar alırken, Bilgisayar Mühendisliği uygulamalarının evrensel, çevresel, sosyal ve hukuksal sonuçları konusunda farkındalık. 12 Sayısal hesaplama ve sayısal gösterim sistemlerini analiz, tasarım ve ifade becerisi. 13 Hesaplama problemlerinin çözülmesinde programlama dillerini ve uygun bilgisayar mühendisliği kavramlarını kullanma becerisi. ECTS/İş Yükü Tablosu Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) Laboratuar Uygulama Derse Özgü Staj Alan Çalışması Sınıf Dışı Ders Çalışma Süresi Sunum/Seminer Hazırlama Projeler 16 3 48 16 3 48 Ödevler 3 7 21 Küçük Sınavlar/Stüdyo Kritiği Ara Sınavlara/Ara Juriye Hazırlanma Süresi Genel Sınava/Genel Juriye Hazırlanma Süresi 2 10 20 1 15 15 Toplam İş Yükü 152